Vad är det justerade medelvärdet i statistiken?
Det justerade medelvärdet uppstår när statistiska medelvärden måste korrigeras för att kompensera för dataobalanser och stora variationer. Outliers som finns i datauppsättningar kommer ofta att tas bort, eftersom de har stor inverkan på de beräknade medlen för små populationer. Ett justerat medelvärde kan bestämmas genom att ta bort dessa överskottssiffror.
Key Takeaways
- Justerat medelvärde används för att korrigera statistiska genomsnitt med uppenbara obalanser. Det beräknas genom att ta bort outliers från datauppsättningen. Justerade medel beräknas med hjälp av flera regressionsekvationer. Detta är en föredragen metod för de flesta proffs som förlitar sig starkt på statistik och deras noggrannhet. Kovariater är variabler som forskaren inte kan kontrollera men som fortfarande påverkar resultaten.
Hur justerat medelvärde fungerar
Justerade medel kallas också "minsta kvadraters medel" och beräknas med en multipel regressionsekvation. Flera regressionsekvationer är den föredragna metoden för många forskare och de flesta personalpersonal för att uppnå korrekta resultat och information i sina studier. Denna metod kommer att ge ett mer exakt resultat och mer tillförlitliga data i slutet av studien, och den har varit starkt beroende av vetenskapliga, ekonomiska och olika andra forskningsgrupper i många år.
Till exempel när man studerar både män och kvinnor som deltar i ett visst beteende eller aktivitet kan det vara nödvändigt att anpassa uppgifterna för att redovisa köns påverkan på resultaten. Utan att använda justerade medel kan resultat som till en början verkar hänföras till att delta i en viss aktivitet eller beteende skeva av påverkan av deltagarnas kön.
I detta exempel skulle män och kvinnor betraktas som kovariater, en typ av variabel som forskaren inte kan kontrollera men som påverkar experimentets resultat. Att använda justerade medel kompenserar för kovariaten för att se vilken effekt verksamheten eller beteendet skulle ha om det inte fanns några skillnader mellan könen.
Att jämföra det ursprungliga och det justerade sättet för varje studie kan ge dig en bättre uppfattning om hur mycket de enskilda faktorerna spelar in i studien totalt sett.
Exempel på ett justerat medelvärde
Tänk på de finansiella marknaderna, som kan justera ett medelvärde för en regimförändring, vilket är termen för att ersätta en regeringsregime med en annan. I teorin kommer en ny regering troligen att införa ny politik och andra förändringar, vilket gör jämförelser mellan två olika regeringsstilar meningslösa. För att få exakta resultat måste data uppdateras eller justeras i enlighet därmed.
Ett annat exempel där ett justerat medelvärde skulle vara nödvändigt för noggrannhet kommer från den stora lågkonjunkturen. Under 2009, för att underlätta bankernas kapitalkontroll, upphävde FASB mark-to-market-regeln. Därmed omedelbart förbättra de stora bankernas balansräkningar. Om en analytiker granskade trenderna i balansräkningen under 2010 under de efterföljande tio åren, skulle medelgenomsnittet vara problematiskt och felaktigt.
Efter spänningen av bokföringsmetoder för marknadsföring var bankernas balansräkningar väsentligt bättre (på papper) än de var innan ändringen av redovisningsregeln. Således, till någon som helt enkelt tittar på ett tioårsgenomsnitt under 2010, skulle resultaten vara ganska sned utan att justera medelvärdet för förändringen i märkning till marknadsredovisning.
Att använda anpassade medel i liknande obalanserade exempel och andra situationer kan väsentligt förändra resultatet och resultaten utan att kräva att forskaren börjar studien igen. Det finns en mängd andra alternativa metoder som kan användas i en forskningsstudie för att uppnå liknande resultat, men de flesta av dem kommer att vara betydligt mer utmanande och tidskrävande.
